JP6795596B2 - ヒューリスティックグラフ探索による階層画像の高速自動区分化 - Google Patents

Description

本特許文書は階層画像のグラフ探索に関する。より詳細には、本特許文書はヒューリスティックグラフ探索による階層画像の高速自動区分化に関する。

画像区分化は定量的医療撮像と画像誘導式外科的介入とにとってクリティカルである。例えば、コンピュータ実施診断情報を提供するために、組織特徴（それらの厚さ、容積、反射率、テクスチャなど）の定量化は重要であり得る。一般的に、診断情報の質は画像認識機能を取り込むことにより改善され得る。画像認識の特別な課題は撮像された組織の境界層を精確に識別することである。画像内の層を識別することは時に画像区分化とも呼ばれる。

診断を除いて、画像区分化が非常に有用であり得る別の医療領域は画像誘導式外科的介入の振興分野である。高精度でもって階層的ターゲット病状の境界を画定することを含む高品質画像区分化は手術の結果を大幅に改善し得る。改善された外科結果は、低再発率と、短い手術または処置時間と、高率で外科的ゴールを達成することとを含む。

網膜、角膜、および核被膜の画像を含む階層的医療画像は眼科では一般的である。撮像技術の１つ（いわゆる、光コヒーレンストモグラフィ）すなわちＯＣＴは、精度、有用性および撮像時間において特に急速な進歩を実証した。ＯＣＴは、眼科において最も広く使用される撮像技術の１つになりつつあり、新臨床標準の状態にも近づいている。

最近、いくつかのＯＣＴ画像区分化アルゴリズムが開発された。しかし、これらの方法は主として画像を後処理するためのものであり、したがって特に高速というわけではない。さらに、これらのアルゴリズムはそれらの有用性において制限される傾向がある。「領域拡張（ｒｅｇｉｏｎ ｇｒｏｗｉｎｇ）」および「能動輪郭（ａｃｔｉｖｅ ｃｏｎｔｏｕｒ）」方法のような技術は不規則な境界を区分化するのに好適である。しかし、両方法は、開始するための初期シードを必要とし、したがって半自動であるに過ぎない。「サポートベクターマシン」および「人工ニューラルネットワーク」方法は計算集約的であり、大きなトレーニング用データセットを必要とする。閾値ベース手法は強度変動に対して敏感であり、連続的な閾値調整を必要とする。偏光ベース方法は、特別に設計された偏光敏感ハードウェアシステムに依存しており、したがってコスト効率がよくない。最後に、最近提案されたグラフベース最短経路探索は、ＯＣＴ画像区分化において有望である。しかし、これは、処理速度を低下させる複雑なグラフ探索アルゴリズムに依存しており、したがって実時間画像区分化には好適ではない。したがって、眼撮像アプリケーション用の高速自動画像区分化アルゴリズムの必要性がある。

本特許文書における実施形態は、画像内の眼層のグラフ探索のための別の誘導力としてヒューリスティックコストを導入することにより上記課題に対処する。階層画像に独特な追加のヒューリスティック情報により、グラフ探索は効率的に誘導され得、処理速度は大幅に増加され得る。

ヒューリスティック探索により眼画像を処理する本方法の実施形態は：眼層を含む眼領域の画像データを撮像システムにより検出する工程と；リンクにより接続されたノードと、ノードとリンクの少なくとも１つに対応する検出された画像データとを含む画像グラフを画像から画像処理プロセッサにより構築する工程と；経路のヒューリスティックグラフ探索を眼層の画像に対応する画像グラフに対して行う工程であって、本工程は、リンクコストの少なくとも１つを画像グラフのリンクへおよびノードコストを画像グラフのノードへ割り当てることにより；画像グラフのノードとリンクの少なくとも１つへヒューリスティックコストを割り当てることにより；（ａ）拡張リンクによりその前ノードから選択経路を拡張することにより拡張経路を生成することにより；（ｂ）拡張経路のヒューリスティックコストと拡張経路のチェーンコストとを組み合わせることにより拡張経路の経路コストを判断することにより、ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストであり、経路のチェーンコストは、経路のリンクのリンクコストの合計、経路のノードのノードコストの合計、および経路のリンクとノードのリンクコストとノードコストの加重和のうちの１つである；（ｃ）更新された選択経路として、拡張経路からおよび格納された未選択経路から選択された最低コスト経路を選択することにより；（ｄ）未選択拡張経路とそれらのコストを格納し、選択経路の前ノードを検査済みとしてマーキングすることにより；そして工程（ａ）−（ｄ）を繰り返し反復することにより、行われる工程と、を含み得る。

いくつかの実施形態では、眼画像を処理する方法は：眼層を含む眼領域の画像データを撮像システムにより検出する工程と；リンクにより接続されたノードと、ノードとリンクの少なくとも１つに対応する検出された画像データとを含む画像グラフを画像から構築するために画像処理プロセッサを使用する工程と；経路のヒューリスティックグラフ探索を眼層の画像に対応する画像グラフに対して行う工程であって、本工程は、リンクコストの少なくとも１つを画像グラフのリンクへおよびノードコストを画像グラフのノードへ割り当てることにより；画像グラフのノードとリンクの少なくとも１つへヒューリスティックコストを割り当てることにより；（ａ）Ｎ番目の選択経路をそのＮ番目の前ノードから（Ｎ＋１）番目の拡張リンクにより拡張することにより（Ｎ＋１）番目の拡張経路を生成することにより；（ｂ）（Ｎ＋１）番目の拡張経路のリンクコストとノードコストの少なくとも１つと（Ｎ＋１）番目の拡張経路のヒューリスティックコストとを組み合わせることにより（Ｎ＋１）番目の拡張経路の経路コストを判断することにより、ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストであり、経路のリンクコストは経路のリンクのリンクコストの合計であり、経路のノードコストは経路のノードのノードコストの合計である；（ｃ）（Ｎ＋１）番目の選択経路として、（Ｎ＋１）番目の拡張経路からおよび格納された未選択経路から選択された最小コスト経路を選択することにより；（ｄ）（Ｎ＋１）番目の未選択経路とそれらのコストを格納し、Ｎ番目の前ノードを検査済みとしてマーキングすることにより、行われる、工程とを含み得、本方法は工程（ａ）−（ｄ）を繰り返し反復する。

方法１００の実施形態を実行するための撮像システムを示す。 方法１００の実施形態を示す。 方法１００の実施形態を示す。 撮像の態様を示す。 特徴画像データを生成する工程を示す。 様々な画像グラフを示す。 方法１００の態様を示す。 方法１００の態様を示す。 方法１００に関係する方法３００の実施形態を示す。 方法１００に関係する方法３００の実施形態を示す。 方法３００の実施形態を示す。 方法３００の実施形態を示す。 実施形態のヒューリスティックコスト割り当て工程１５０／３５０の実施形態を示す。 実施形態のヒューリスティックコスト割り当て工程の実施形態を示す。 実施形態のヒューリスティックコスト割り当て工程の実施形態を示す。 実施形態のヒューリスティックコスト割り当て工程の実施形態を示す。 特別な例に関する方法１００／３００を示す。 特別な例に関する方法１００／３００を示す。 特別な例に関する方法１００／３００を示す。 特別な例に関する方法１００／３００を示す。 方法１００／３００により実現された画像区分化のスクリーンショットを示す。

実施形態は、画像内の眼層の探索のための別の誘導力としてヒューリスティックコストを導入することにより上記課題に対処する。画像区分化方法のこのような実施形態は特に次の有利性を有する：

（１）ヒューリスティック探索は外科的介入中の実時間画像処理にとってクリティカルな十分に加速された処理速度を達成し得る。特に階層画像に関し、ここで導入されるヒューリスティック機能は高速画像区分化を実現するために探索アルゴリズムを大幅に加速し得る。

（２）ヒューリスティック探索はグローバルに最適化された画像認識結果を実現し得る。したがって、スペックル雑音、血管陰影、病状は区分化結果に歪み影響をほとんど与えない。

（３）ヒューリスティック探索は前処理負荷を低減しさらに最少化する。したがって、画像フィルタリング、平滑化および強調は他の探索ほどクリティカルではない。

（４）ヒューリスティック探索は広いダイナミックレンジにわたり頑強である。閾値ベース区分化技術とは異なり、ヒューリスティック手法は、特定閾値を必要とせず、様々な強度範囲において画像に自動的に適応し得る。

図１は、ヒューリスティック自動区分化探索の実施形態を実行するためのシステムを示す。示されるように、眼１は、例えば角膜の遠位面、近位および遠位水晶体嚢面、および網膜面を含むいくつかの眼層５を含む。高速ヒューリスティックグラフ探索がこれらの眼層５の任意の１つの画像を識別するための本発明の実施形態を実行するために使用され得る撮像システム１０は、画像処理プロセッサ３０およびディスプレイ４０へ結合された撮像光学系２０を含み得る。

図２Ａは、眼画像を処理するための方法１００の実施形態が、
１１０−眼層５を含む眼領域の画像データを撮像システム１０により検出する工程と；
１２０−リンクにより接続されたノードと、ノードとリンクの少なくとも１つに対応する検出された画像データとを含む画像グラフを画像処理プロセッサにより構築する工程と；
１３０−経路のヒューリスティックグラフ探索を眼層の画像に対応する画像グラフに対して行う工程であって、本工程は、
１４０−リンクコストの少なくとも１つを画像グラフのリンクへおよびノードコストを画像グラフのノードへ割り当てることにより；
１５０−画像グラフのノードとリンクの少なくとも１つへヒューリスティックコストを割り当てることにより；
１６０／（ａ）−拡張リンクによりその前ノードから選択経路を拡張することにより拡張経路を生成することにより；
１７０／（ｂ）−拡張経路のヒューリスティックコストと拡張経路のチェーンコストとを組み合わせることにより拡張経路の経路コストを判断することにより、ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストであり、経路のチェーンコストは、経路のリンクのリンクコストの合計、経路のノードのノードコストの合計、および経路のリンクとノードのリンクコストとノードコストの加重和のうちの１つである；
１８０／（ｃ）−更新された選択経路として、拡張経路からおよび格納された未選択経路から選択された最低コスト経路を選択することにより；
１９０／（ｄ）−未選択拡張経路とそれらのコストを格納し、選択経路の前ノードを検査済みとしてマーキングすることにより、行われる工程とを含み得るということを示す。工程（ａ）−（ｄ）は眼層画像を表す選択経路を識別するために繰り返し行われ得る。

図２Ｂは、眼画像を処理するための方法１００の関連実施形態が：
１１０−眼層５を含む眼領域の画像データを撮像システム１０により検出する工程と；
１２０−リンクにより接続されたノードと、ノードとリンクの少なくとも１つに対応する検出された画像データとを含む画像グラフを画像処理プロセッサにより構築する工程と；
１３０−経路のヒューリスティックグラフ探索を眼層の画像に対応する画像グラフに対して行う工程であって、本工程は、
１４０−リンクコストの少なくとも１つを画像グラフのリンクへおよびノードコストを画像グラフのノードへ割り当てることにより；
１５０−画像グラフのノードとリンクの少なくとも１つへヒューリスティックコストを割り当てることにより；
１６０／（ａ）拡張リンクによりその前ノードから選択経路を拡張することにより拡張経路を生成することにより；
１７０／（ｂ）拡張経路のヒューリスティックコストと拡張経路のチェーンコストとを組み合わせることにより拡張経路の経路コストを判断することにより、ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストであり、経路のチェーンコストは、経路のリンクのリンクコストの合計、経路のノードのノードコストの合計、および経路のリンクとノードのリンクコストとノードコストの加重和のうちの１つである；
１８０／（ｃ）−拡張経路から最低コスト経路を選択することにより、行われる工程と、を含み得るということを示す。工程（ａ）−（ｃ）は眼層画像を表す選択経路を識別するために繰り返し行われ得る。

図３Ａ−Ｄは、「撮像工程１１０が、眼層２０１を含む眼領域の画像２００を撮影する工程を含み得る」ということを示す。眼層２０１は２つの眼領域を分離する層全体を指し得る。一例は眼の硝子体から眼の水晶体を分離する水晶体嚢である可能性がある。このような実施形態では、２つの分離された領域の反射および光学特性は互いに異なっても異ならなくてもよいが、それら間の眼層の反射特性は２つの眼領域のものとは異なる。他の実施形態では、眼層２０１は眼領域の縁であり得る。一例は、前房から角膜を分離する角膜の遠位面であり得る。ある意味で、グラフ探索は眼撮像の独特な要求のための縁探索方法の特別適応化と見なされ得る。

図３Ａに示すように、方法１００のゴールは、眼層２０１の近似画像である経路２０５の探索を所望精度で行うことである。示したように、経路２０５の探索は、画像２００の一方縁から開始し得、眼層２０１を画像２００の他方縁まで追跡するために、繰り返しステップバイステップで拡張され得る。

図３Ａは画像２００内の下位眼層２０１を示す。当然、実際上は、眼層２０１の位置は、画像２００とその当該画像データとが検出された後は知られていない。画像認識方法の中心的課題は、図３Ｃに示し以下に説明されるように、眼層２０１全体にわたる画像強度変化だけを呈示する生雑音検出画像データからこの下位眼層２０１の未知の実際の位置を判断することである。検出画像データはしばしば図３Ｃに示すものより確定的でなくかつ雑音が大きいので、洗練された方法が、眼層２０１の位置を識別するために経路２０５を進化させ判断するために必要とされる。ここで説明された方法１００のような方法。

図３Ａの画像２００の小領域へズームインされた図３Ｂは、工程１２０において画像グラフを構築することが撮像光学系２０から眼領域の検出画像データを受信する工程を含み得るということを示す。ここで、検出画像データはノード２１０（撮像システム１０の画素２１０など）に対応し得る。参照の明確性と容易性のために、ノード２１０の識別をノード２１０（ｘ，ｙ）のようにそれらの（ｘ，ｙ）座標に基づき可能にする（ｘ，ｙ）座標系が導入される。この（ｘ，ｙ）表記は、ラベル付き要素間の空間的関係を規定するのを助ける際に主として使用されることになる。非常に多くの実施形態では、撮像システム１０は検出器、画素またはセンサの規則的アレイを介し画像データを検出し得る。一例は、電子カメラ、ビデオカメラ、ＣＣＤカメラまたは光コヒーレンストモグラフィ（ＯＣＴ）撮像システムのセンサアレイ内の長方形または正方形画素アレイ２１０（ｘ，ｙ）であり得る。

ノード２１０（ｘ，ｙ）は画像グラフを完成するためにリンク２２０により接続され得る。いくつかの実施形態では、ノード２１０（ｘ，ｙ）は対応する物理的センサまたは画素を有し得、一方、ノード２１０（ｘ，ｙ）とノード２１０（ｘ，ｙ＋Δｙ）とを接続するリンク２２０（ｘ，ｙ，Δｙ）およびノード２１０（ｘ，ｙ）とノード２１０（ｘ＋Δｘ，ｙ）とを接続するリンク２２０（ｘ，ｙ，Δｘ）は画像グラフのリンクの数学的構造に対応し得る。リンクは次の３つの変数を有し得る：（ｘ，ｙ）座標と、第３のｘまたはｙ変数。このような３重変数（ｘ，ｙ，Δｘ）は、リンク２２０（ｘ，ｙ，Δｘ）が、そのｙ座標が同じでありかつそのｘ座標が短距離Δｘだけ異なる２つのノードを接続しているということを示す。典型的実施形態では、Δｘは隣接ノード間の最近隣距離であり得る。遠い隣を接続する長いリンクも使用され得る。リンクは、どの参照子が最も役立つにしてもリンク２２０、２２０（ｘ，ｙ）、または２２０（ｘ，ｙ，Δｘ）／２２０（ｘ，ｙ，Δｙ）と呼ばれることになる。規則的格子のノード２１０では、ΔｘまたΔはｙは隣接ノード間の格子定数を指し得る。連続画像では、ΔｘまたはΔｙは、画像２００の解像度を定義するという意味で画像２００を特徴付けるために使用される（ｘ，ｙ）点間の短い距離を指し得る。

いくつかの他のシステムでは、リンク２２０（ｘ，ｙ）は以下に述べるような物理的具現を有し得、ノード２１０（ｘ，ｙ）は主として数学的構造であり得る。最後に、いくつかのシステムでは、ノード２１０（ｘ，ｙ）とリンク２２０（ｘ，ｙ）の両方が物理的具現を有し得る。

いくつかの実施形態では、リンク２２０（ｘ，ｙ，Δｘ）は最近隣画素２１０（ｘ，ｙ）、２１０（ｘ＋Δｘ，ｙ）だけを接続し得る。他の実施形態では、追加リンク２２０（ｘ，ｙ，Δｘ，Δｙ）は対角線的に隣の画素２１０（ｘ，ｙ）、２１０（ｘ＋Δｘ，ｙ＋Δｙ）を接続し得、第４の変数の導入を必要とする。さらに他の実施形態では、リンク２２０は、格子定数ａまたはΔｘより長い距離だけ隔てられるがカットオフ距離を越えないさらに遠く離れた画素を接続し得る。

図３Ｃは、図３Ｂに示す画像グラフのｙ方向断面を示す。画像グラフ自体はこのような断面の集合であり得る。水平軸は、ｘの固定値の画像グラフのｙ方向断面のノード２１０（ｘ，ｙ）またはリンク２２０（ｘ，ｙ）を指し得る。画像グラフの垂直軸は、固定されたｘの関数ｙとしてノード２１０（ｘ，ｙ）またはリンク２２０（ｘ，ｙ）に対応する検出画像データ２３０（ｘ，ｙ）を示し得る。検出画像データ２３０（ｘ，ｙ）は、画像強度、偏光状態、色、位相、またはノード２１０（ｘ，ｙ）に関連付けられた撮像情報を運ぶ撮像光の他のデータであり得る。

単純な例は画像グラフのノードを構成する画素アレイまたはセンサを有するＣＣＤ撮像システムであり得、画像データはＣＣＤカメラの個々の画素により感知された画像強度である。

撮像システム１０がＯＣＴ撮像システム１０である特定のケースでは、検出画像データ２３０（ｘ，ｙ）は、眼１から戻される撮像光とＯＣＴ撮像システム１０の基準アームから戻された基準光とを干渉させることにより生成された「干渉ビーム」の強度に関係付けられ得る。このような干渉ビームは、検出画像データ２３０（ｘ，ｙ）の振幅または強度に変換し得るその振幅および位相での画像情報を運ぶ。

画像データはまた、ＯＣＴ撮像システム１０の一部であり得る画像処理プロセッサ３０により前処理され得る。ＯＣＴ撮像システム１０は、特に、擬似カラーを関連付け、コントラストを調整し、輝度を調整し、フィルタリングし、正規化し、雑音低減を実施し、画像データを強化し、ヒストグラム等化を実施し得る。したがって、本出願を通じて、「画像データを検出する」ことは生画像データの生の検出を指し得るが、他の実施形態では、画像データを検出することはより包括的であり得、検出を越えた生画像データのあるレベルの前処理を含み得る。

図３Ｄは、画像グラフ構築工程１２０の別の態様：すなわち画像処理プロセッサ３０により検出画像データ２３０（ｘ，ｙ）から特徴画像データ２４０を生成する工程を示す。ここでは、特徴画像データ２４０は検出画像データ２３０（ｘ，ｙ）の強度、位相、勾配またはテクスチャに対応し得る。例えば、図３Ｄにおいて、特徴画像データ２４０（ｘ，ｙ，Δｘ）は、リンク２２０（ｘ，ｙ，Δｙ）に沿ったノード２１０（ｘ，ｙ＋Δｙ）と２１０（ｘ，ｙ）の画像データ２３０（ｘ，ｙ）の差分として定義される検出画像データ２３０（ｘ，ｙ）の一定（または離散）勾配に次式のように対応し得：特徴画像データ２４０（ｘ，ｙ，Δｙ）＝ｆ（検出画像データ２３０（ｘ，ｙ＋Δｙ）−検出画像データ２３０（ｘ，ｙ））、

そして、直交配向ではｘ方向においても同様である。ここで、ｆ（ｚ）はその引数ｚの関数である。最も単純な実施形態の１つはｆ（ｚ）＝ｚであり、これは検出画像データ２３０の上記離散勾配である特徴画像データ２４０を生じる。引数の増加または減少関数であり得るいくつかの他の関数ｆ（ｚ）も同様に採用され得る。特徴画像データ２４０（ｘ，ｙ，Δｙ）は、対応ノード２１０（ｘ，ｙ）、またはその全体にわたって離散勾配が計算されたリンク２２０（ｘ，ｙ，Δｙ）のいずれかに割り当てられ得る。

図３Ｃは、異なる光反射特性を有する２つの眼領域を分離する眼層２０１の画像に関し、検出画像データ２３０（ｘ，ｙ）はｙ座標が固定ｘ座標の眼層２０１の位置を通過すると段差（ｓｈｏｕｌｄｅｒ）または降下を呈示し得るということを示す。ここで、上述のように、眼層２０１は、２つの領域間の薄層全体、または厚い領域の縁を指し得る。いずれの場合も、眼層２０１により分離された２つの領域の光学特性が異なるので、検出画像データは眼層２０１にわたる降下を呈示し得る。

図３Ｄは、特徴画像データ２４０として検出画像データ２３０の上記離散勾配を使用する実施形態では、特徴画像データ２４０は検出画像データ２３０が段差または降下を呈示し得る眼層の位置においてピークを呈示し得るということを示す。この例は、特徴画像データ２４０が、眼層２０１の近傍においてだけ零と異なるように設計され得、したがって眼層２０１の位置を最良に近似する経路２０５の探索を誘導する探索コストを定義するのに有用であり得るということを実証する。

図４Ａ−Ｃは、画像グラフが構築され、特徴画像データ２４０（ｘ，ｙ）が構築されると、ヒューリスティックグラフ探索を行う工程１３０は、工程１４０において、リンクコストを判断してこれを画像グラフのリンクへ割り当てるまたはノードコストを判断してこれを画像グラフのノードへ割り当てるために特徴画像データ２４０を使用することと；工程１５０において、ヒューリスティックコストを判断してこれを画像グラフのノードとリンクの少なくとも１つへ割り当てることとを含み得るということを示す。

このヒューリスティックグラフ探索を行う工程１３０は、画像グラフを構築する工程１２０がノード２１０を撮像システム１０の画素に対応するように定義するとともにリンク２２０をノード２１０同士を接続するリンクとして定義する工程を含む例において示される。構築工程１２０はさらに、撮像システム１０から眼領域の検出画像データ２３０を受信する工程と、図４Ａに示すように画像処理プロセッサ３０により検出画像データ２３０から特徴画像データ２４０を生成する工程とを含む。いくつかの実施形態では、特徴画像データ２４０は、検出画像データ２３０の近隣ノード間の離散勾配、強度の差分、または位相差のうちの少なくとも１つに対応し得る。リンク２２０により接続されるノード２１０は、最近隣、対角線方向隣、またはカットオフ距離内隣であり得る。

画像グラフ１２０の構築特に特徴画像データ２４０の生成が行われると、ヒューリスティックグラフ探索を行う工程１３０は始まり、工程１４０と１５０から始まり得る。これらのコストは、さらに工程１６０−１９０を含むヒューリスティックグラフ探索を誘導するために使用されることになる。

図４Ｂは、いくつかの実施形態では、コスト割り当て工程１４０は、同じリンクの特徴画像データ２４０が増加するとリンクのリンクコスト２５０が低下するやり方でリンクコスト２５０（ｘ，ｙ）をリンク２２０（ｘ，ｙ）へ割り当てることに基づき得るということを示す。一例は、図４Ａにおいて一定勾配として定義された特徴画像データ２４０を好適な最大値から減じることであり得る。図４Ｂに示すように、この減算は、特徴画像データ２４０が最大値を示す場所（眼層２０１の位置）で最小値を示すリンクコスト２５０を生じる。

図４Ｃは、眼層２０１の位置において最小値を呈示する定義されたリンクコスト２５０がどのようにグラフ探索を誘導し得るかを近似的および定性的意味で示す。図４Ｃにおいて、図４Ｂの固定ｘに対するｙの関数としてそれぞれ計算された一組のリンクコスト２５０が、画素アレイの（ｘ，ｙ）面全体にわたるコスト面を形成するために一範囲のｘ値に対して集められた。明白に、個々のｘ値に対応するリンクコスト最小値が谷内に合成される。構築により、この谷の位置は眼層２０１の位置を追跡する。リンクコストを可能な限り低く維持することにより誘導される経路２０５を進化させるグラフ探索は、経路を谷の底に沿って進化させ、これにより眼層２０１を追跡させる。

図４Ａ−Ｃのこの定性的絵を定量的かつ高速方法に変換することに進む前に、図５Ａ−Ｃは異なる実施形態におけるノードとリンクの異なる定義を実証する。図５Ａにおいて、ノード２１０は撮像システム１０の画素などの撮像素子を含む。いくつかの実施形態では、リンク２２０は物理的具現を有する必要がなく、画像グラフの定義を完結する数学的対象であり得る。図５Ｂは、ノードにおける素子が最小空間広がりを有する実施形態を示す。ここで、ノード２１０は非常に短いので、本質的にはリンクの格子の頂点である。ノードはリンク２２０の交差点または接続点である。最後に、図５Ｃは、ノード２１０における素子もまた極めて大きくなり得るという反対特徴を有する実施形態を示す。例えば、素子はリンク２２０のサイズとほぼ同じサイズを有する画素であり得る。このような実施形態では、画素とひいてはノード２１０は本質的には互いに接触する。リンク２２０の抽象的観念は正方形画素の下にある点線に依然として基づき得る。リンク２２０の物理的発現は隣接画素同士が接触する縁であり得る。ある意味では、図５Ｂと図５Ｃのグラフは互いに対を為し、リンクとノードがグラフ表示を交換するように出現する。これらの実施形態は、ノード２１０として働く中間サイズ画素を有する図５Ａの実施形態に制限している。本文書では、用語「ノードとリンク」は図５Ａ、５Ｂまたは５Ｃの実施形態の任意の１つおよびその等価実施形態を指し得る。

図６Ａ−Ｂは方法１００の実施形態を示す。同図は、画像強度における段差と特徴画像データ内の対応する谷とを含む画像２００を示す。両者は画像２００内の眼層２０１の位置を追跡する。図６Ａは、経路２０５が多くの繰り返しにおいて更新された後の方法１００の要素を示す。結果経路２０５または選択経路２０５ｓは太い実線により示される。ここでは、撮像システム１０の関連ノードおよびリンクだけが明瞭性のために示される。

上に説明したように、方法１００は検出工程１１０で始まり、眼層２０１を含む眼領域の画像２００を撮像システム１０により撮影する。次は、リンク２２０（ｘ，ｙ）により接続されたノード２１０（ｘ，ｙ）と、ノード２１０（ｘ，ｙ）またはリンク２２０（ｘ，ｙ）に対応する検出画像データ２３０（ｘ，ｙ）との画像グラフを構築する構築工程１２０である。このような画像グラフのｙ方向断面は、図３Ｃに示されるものであり、図４Ｃに示すような（ｘ，ｙ）ベース特徴画像データ２４０（ｘ，ｙ）に展開された。

経路２０５のヒューリスティックグラフ探索を行う工程１３０は、リンクコストを画像グラフのリンク２２０（ｘ，ｙ）へまたはノードコストを画像グラフのノード２１０（ｘ，ｙ）へ割り当てるリンク／ノードコスト割り当て工程１４０と、ヒューリスティックコストをノードとリンクの少なくとも１つへ割り当てるヒューリスティックコスト割り当て工程１５０とを含み得る。ヒューリスティックコスト割り当て工程１５０は、図９および図１０Ａ−Ｄに関連してかなり詳細に説明される。図６Ａ−Ｂおよび図８Ａ−Ｄの説明に関し、経路のヒューリスティックコストが正しく計算され割り当てられたということが理解される。

図６Ａは、ヒューリスティックコストだけでなくリンクコストまたはノードコストを割り当てた後、生成工程１６０／（ａ）が、選択経路２０５ｓを拡張リンク２７０（ｘ，ｙ）によりその前ノード２６０（ｘ，ｙ）から拡張することにより拡張経路を生成する工程を含み得るということを示す。選択経路２０５ｓ自体は、選択工程１８０／（ｃ）を一連の前の更新において反復的にかつ繰り返し行うことから生じた経路２０５である。未選択経路２０５ｎの処理は後で説明される。

次の判断工程１７０／（ｂ）は、拡張経路のヒューリスティックコストと拡張経路のチェーンコストとを組み合わせることにより拡張経路の経路コストを判断する工程を含み得る。ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストとして定義され得ることと、経路のチェーンコストは、経路を構成するリンクのリンクコストの合計、経路を構成するノードのノードコストの合計、および経路のリンクとノードのリンクコストとノードコストとの加重和のうちの１つとして定義され得ることとが想起される。

いくつかの実施形態では、判断工程１７０／（ｂ）は、各繰り返しにおいて拡張経路の全経路コストを再計算しない増分手法であり得る。その代りに、実施形態は、拡張リンク２７０により選択経路２０５ｓを拡張することによりトリガされる経路コストの更新または変化だけを計算し得る。このような増分手法では、判断工程１７０／（ｂ）は、様々な可能な拡張リンク２７０により選択経路２０５ｓを暫定的に拡張することにより生じる選択経路２０５ｓのヒューリスティックコストの変化および選択経路２０５ｓのチェーンコストの変化を計算する工程と；ヒューリスティックコストの変化およびチェーンコストの変化の組み合わせにより選択経路２０５ｓのコストを更新することにより、暫定的に拡張された経路のコストを判断する工程とを含み得る。この組み合わせは、２つの変化の単純加算または重み付け和であり得る、または関数計算を含み得る。

他の実施形態では、判断工程１７０／（ｂ）はコストの包括的計算を含み得る。このような実施形態では、様々な可能な拡張リンク２７０により暫定的に拡張された選択経路２０５ｓのチェーンコストおよびヒューリスティックコストは、前の工程で計算されたコストを参照することなくまたは増分を計算することなく新たに計算される。

次の選択工程１８０／（ｃ）は、新たに拡張された経路からおよび格納された未選択経路２０５ｎから最低コスト経路を選択することにより最低コスト経路を更新選択経路２０５ｓとして選択する工程を含み得る。

図６Ｂは、選択工程１８０／（ｃ）の結果は、新たに選択された拡張リンク２７０ｓ（ｘ，ｙ）によりその前ノード２６０（ｘ，ｙ）から以前の選択経路を拡張することによる更新選択経路２０５ｓであり得るということを示す。いくつかのケースでは、最低コスト経路は、暫定的に提案された拡張リンク２７０（ｘ，ｙ）のうちの１つにより拡張された以前の選択経路２０５ｓになる。他のケースでは、例えば選択経路が高コスト領域に遭遇しているときに、最低コスト経路はむしろ、格納済みで以前の未選択経路２０５ｎのうちの１つであり得る。この未選択経路２０５ｎは、それらのコストが最終的に選択された経路より高かったかもしれないので、前の工程では選択されなかったが、本工程において、選択経路がより高いコスト拡張リンクによりわずかに拡張され得れば、未選択経路２０５ｎのうちの１つのコストが最低コスト経路であると分かる。このような場合、最低コストを有する未選択の格納済み経路２０５ｎが選択工程１８０／（ｃ）において選択されることになる。ある意味で、以前の未選択経路２０５ｎを選択する工程は高エネルギー障害物に遭遇するとその工程を辿り直すグラフ探索方法１００と見なされ得る。

方法１００はまた、今行われた選択工程１８０／（ｃ）において選択されなかった未選択経路２０５ｎとそれらのコストとを格納する格納工程１９０／（ｄ）を含み得る。これらの未選択経路２０５ｎのコストは、方法１００の以降の繰り返し中に以降の選択工程１８０／（ｃ）において呼び出されることになる。未選択経路２０５ｎのコストが以降の選択工程１８０／（ｃ）において呼び出されると、最低コスト経路を選択する工程は、様々な拡張リンク２７０によりその前ノード２６０から暫定的に拡張された選択経路２０５ｓから、および呼び出された格納済み未選択経路２０５ｎから選択された最低コスト経路を選択することにより行われ得る。次に、選択された最低コスト経路は更新選択経路２０５ｓとして識別され得る。工程（ａ）−（ｄ）または１６０−１９０の反復は、選択経路２０５ｓを画像２００全体にわたって拡張する方法１００の繰り返しブロックを反復する工程を形成し得る。

説明された実施形態では、選択経路２０５ｓをその前ノード２６０から拡張する拡張リンク２７０だけが暫定的に新たに提案される。しかし、最低コスト経路の選択は、これらの暫定的に拡張された経路のコストとすべての格納済みで以前の未選択経路２０５ｎのコストとを比較する。選択工程１８０／（ｃ）では、いくつかのリンクにおける以前の選択経路２０５ｓとは異なり得る格納済みで以前の未選択経路２０５ｎが選択され得る。この態様は、選択経路２０５ｓが好ましくない領域内に進化すればまたは障害物にぶつかれば、方法１００が最適経路の探索を新しい方向へ向け直すことができるようにする。このような障害は、特に、気泡、高雑音領域、撮像アーティファクト、または層折り目であり得る。

図４Ｃで言うと、最低コスト谷は谷が２つに分かれる分割部または分岐部を有し得る。探索方法１００が行われると、これらの谷のうちの１つが選択され、この谷内の選択経路２０５ｓがさらに展開または進められる。しかし、後の工程において、この選択経路２０５ｓは高コスト領域に遭遇し得る。このような場合、選択経路２０５ｓの拡張コストと以前の未選択の格納済み経路２０５ｎのコストとの比較も行う選択工程１８０／（ｃ）は、さらなる調査のために方法１００がその工程を最後の分岐点まで辿り直し他の谷を選択できるようにする。いくつかのケースでは、以前の未選択経路２０５ｎは、低コストだけにより保護される、谷内の分岐点ですらないかもしれないがむしろ谷の側面上の「山道」であり得る。

完全性のために、方法１００のいくつかの実施形態では、その前ノード２６０からだけでなく、選択経路２０５ｓからの側ノードのいくつかから拡張する拡張リンク２７０もまた暫定的に提案され得る。このような方法は、提案拡張リンクの数がかなり大きくなり得るのでより多くの時間がかかる。これらのより多く時間がかかる性能は、選択経路２０５ｓを進化させるためにより多くの機会を探求するそれらの実用性によりバランスが図られ得る。これらの実施形態のいくつかでは、限定数のノードだけが拡張リンクにより暫定的に拡張される妥協点に達し得る。

要点を繰り返すと、図２Ａに示す方法１００のいくつかの実施形態は反復工程（ａ）−（ｄ）を繰り返す工程を含み得る。図２Ｂに示す他の実施形態は、未選択経路２０５ｎとそれらのコストとを格納する工程を含まなくてもよく、選択経路２０５ｓの前ノード２６０からだけ始まる拡張を提案し得る。このような実施形態は図２Ｂの工程（ａ）−（ｃ）だけを反復する。

これらの実施形態のいずれも、終了判定基準に達するまで選択経路２０５ｓを拡張し得、方法１００により達せられた拡張選択経路２０５ｓを、眼層２０１の画像に対応するものとして識別し得る。終了判定基準は、選択経路２０５ｓが画像２００の縁に達するということであり得る。画像は例えばディスプレイ４０上に表示され得る。

工程１９０／（ｄ）はさらに、選択経路２０５ｓの前ノード２６０（選択経路２０５ｓが拡張リンク２７０により拡張される前の前ノード２６０）を「検査済み」としてマーキングする工程を含み得る。将来の繰り返しでは、「検査済み」としてマーキングされたこのようなノードは新たに検査されない。この態様は、以前の解析済み経路に戻ることを低減または削除し、これにより、方法１００が拡張をより効率的に推進するようにし得る。

図７Ａ−Ｂは、繰り返しの指数、ラベル、または数を明示的に示すことにより工程（ａ）−（ｃ）または（ａ）−（ｄ）の繰り返しブロックまたはサイクルの反復を明確に示すやり方で編成された方法１００の実施形態である方法３００を示す。図７Ａは「眼画像処理方法３００の実施形態が：
３１０−眼層を含む眼領域の画像２００を撮像システム１０により撮影する工程と；
３２０−画像２００から、リンク２２０により接続されたノード２１０と、ノードとリンクのうちの少なくとも１つに対応する検出画像データとを含む画像グラフを構築するために画像処理プロセッサ３０を使用する工程と；
３３０−経路のヒューリスティックグラフ探索を眼層２０１の画像に対応する画像グラフに対して行う工程であって、本工程は、
３４０−リンクコストの少なくとも１つを画像グラフのリンク２２０へおよびノードコストを画像グラフのノード２１０へ割り当てることにより；
３５０−画像グラフのノードとリンクの少なくとも１つへヒューリスティックコストを割り当てることにより；
３６０／（ａ）−Ｎ番目の選択経路をそのＮ番目の前ノードから（Ｎ＋１）番目の拡張リンクにより拡張することにより（Ｎ＋１）番目の拡張経路を生成することにより；
３７０／（ｂ）−（Ｎ＋１）番目の拡張経路のリンクコストとノードコストの少なくとも１つと（Ｎ＋１）番目の拡張経路のヒューリスティックコストとを組み合わせることにより（Ｎ＋１）番目の拡張経路の経路コストを判断することにより、ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストであり、経路のリンクコストは経路のリンクのリンクコストの合計であり、経路のノードコストは経路のノードのノードコストの合計である；
３８０／（ｃ）−（Ｎ＋１）番目の選択経路として、（Ｎ＋１）番目の拡張経路からおよび格納された未選択経路から選択された最小コスト経路を選択することにより；
３９０／（ｄ）−（Ｎ＋１）番目の未選択経路とそれらのコストを格納し、Ｎ番目の前ノードを検査済みとしてマーキングすることにより、行われる工程と、を含み、工程（ａ）−（ｄ）を繰り返し反復するということを示す。

図７Ｂは、眼画像処理方法３００の実施形態が上記工程３１０−３８０（ｃ）を含み得るが、格納工程３９０／（ｄ）を含まないということを示す。この実施形態はまた、選択工程３８０／（ｃ）において格納済み経路を含まないように工程３８０／（ｃ）を修正する。図２Ｂとの類推で、この実施形態は、拡張リンク２７０により選択経路２０５ｓをその前ノード２６０から成長させるだけである。

図８Ａ−Ｄは工程３１０−３５０が行われた後の（または同様に方法１００の工程１１０−１５０が行われた後の）方法３００を示す。

図８Ａは、方法１００／３００のＮ回の繰り返しが選択経路２０５ｓをＮ番目の選択経路２０５ｓに進化させ、Ｎ番目の前ノード２６０で終了するということを示す。生成工程１６０／３６０／（ａ）は、（Ｎ＋１）番目の拡張リンク２７０によりＮ番目の選択経路２０５ｓをそのＮ番目のノード２６０から（暫定的に）拡張することにより（Ｎ＋１）番目の拡張経路を生成する工程を含み得る。

次に、判断工程１７０／３７０／（ｂ）は（Ｎ＋１）番目の拡張経路の経路コストを判断する工程を含み得る。

図８Ｂは、選択工程１８０／３８０／（ｃ）が、（Ｎ＋１）番目の拡張経路からおよび格納された未選択経路２０５ｎから選択された最小コスト経路を（Ｎ＋１）番目の選択経路２０５ｓとして選択する工程を含み得るということを示す。図８Ｂでは、選択工程１８０／３８０／（ｃ）は、Δｘ距離だけｘ方向にそのＮ番目の前ノード２６０（ｘ，ｙ）から選択拡張リンク２７０ｓ（Δｘ，０）により拡張されたＮ番目の選択経路２０５ｓとして、（Ｎ＋１）番目の選択経路２０５ｓを選択した。

格納工程１９０／３９０／（ｄ）では、（Ｎ＋１）番目の未選択経路とそれらのコストが格納され得る。さらに、Ｎ番目の選択経路２０５ｓのＮ番目の前ノード２６０（ｘ，ｙ）は「検査済み」としてマーキングされ得る。「検査済み」としてマーキングされたノードは将来の繰り返しにおいて検査されなくてもよい。

図８Ｃ−Ｄは、選択工程１８０／３８０／（ｃ）がまた例えば（Ｎ＋２）番目工程において以前の未選択経路２０５ｎを選択する結果を生じ得るということを示す。図８Ａ−Ｂに示される（Ｎ＋１）番目の（ａ）−（ｄ）工程を繰り返した後、（Ｎ＋１）番目の選択経路２０５ｓは座標（ｘ＋Δｘ，ｙ）を有する（Ｎ＋１）番目の前ノード２６０で終了した。これにより、方法１００／３００の新しい（Ｎ＋２）番目の繰り返しが始まる。生成工程１６０／３６０／（ａ）を反復する工程は、（Ｎ＋２）番目の拡張リンク２７０により（Ｎ＋１）番目の選択経路２０５ｓを拡張することにより（Ｎ＋２）番目の拡張経路を生成する工程を含み得る。この後には、判断工程１７０／３７０／（ｂ）を反復して（Ｎ＋２）番目の拡張経路の経路コストを判断する工程が続く。

経路コストが判断工程１７０／３７０／（ｂ）において判断されると、以降の選択工程１８０／３８０／（ｃ）は、（Ｎ＋２）番目の選択経路２０５ｓを選択するために（Ｎ＋２）番目の拡張経路と格納された未選択経路とから最小コスト経路を選択することを含む。図８Ｄは、検査済み経路のうちの最小経路コストが、（Ｎ＋２）番目の拡張リンク２７０（ｘ，ｙ）を対角線的に有するその前のノート２６０（ｘ，ｙ）（図８Ａを参照）から拡張されたＮ番目の選択経路を構成する以前の未選択経路に属するケースを示す。図８Ｄは、対角線方向拡張リンク２７０（Δｘ，ｙ）で終るこの以前の未選択であるが今や呼び出された経路２０５ｎの経路コストが、新たに拡張された経路の任意の１つより低い経路コストを有し、したがって（Ｎ＋２）番目の選択経路２０５ｓとして選択されるケースを示す。

この例を通じて、図８Ｃ−Ｄに示された（Ｎ＋２）番目の（ａ）−（ｄ）を行う工程は、方法１００／３００が、前の工程において選択された経路２６０の前ノードから必ずしも拡張することなく経路２０５を進化し得るということを実証する。その代りに、方法１００／３００は時には、その工程のうちのいくつかを辿り直し、前ノード２６０からではなく、前の工程において選択されなかった経路２０５ｎのうちの１つを選択することにより、経路２０５を進化または拡張し得る。

図９は、ヒューリスティックコスト割り当て工程１５０または３５０の様々な実施形態を示す。実施形態１５０ａでは、ヒューリスティックコスト割り当て工程は、画像処理プロセッサ３０により画像２００の縁からのノード２１０またはリンク２２０の距離を判断する工程と、判断された距離に応じてノード２１０またはリンク２２０のヒューリスティックコストを定義する工程とを含み得る。いくつかのケースでは、ヒューリスティックコストは縁からの距離に単に比例し得る。

図１０Ａはこの実施形態１５０ａを示す。拡張リンク２７０により選択経路２０５ｓを拡張するコストは、拡張リンク２７０のリンクコストと新たに提案された前ノード２６０のヒューリスティックコストとを加算することを含み得る。ヒューリスティックコストは、画像２００の縁２０５から新たに提案された前ノード２６０までの距離４１０（またはｄ）から導出され得る。一実施形態では、ヒューリスティックコストは、ノード２１０の格子の格子面間隔の単位で測定された対応する長さ（ａまたはΔｘなど）から計算され得る。いくつかの実施形態では、ヒューリスティックコストを計算するこのやり方は、画素の数として縁２０５からの前ノード２６０の距離４１０を測定することにより実施される。

示されたケースでは、対角線方向拡張リンクの長さは、Δｘまたはａ（正方格子の格子面間隔の単位）で２の平方根であり、一方、縁４１０までの距離の長さはΔｘの同じ単位の距離ｄである：Ｎ_ｄ＝ｄ／Δｘ。一般的に、コストは距離の任意の関数ｆ_ｃｏｓｔであり得る：

いくつかの実施形態では、ｆ（ｘ）は単調関数であり得る。いくつかの実施形態では、ｆ（ｘ）は単純に長さ自体であり得る：ｆ（ｘ）＝ｘ。さらに、様々な実施形態では、リンクコスト関数とヒューリスティックコスト関数は様々なやり方で合成され得る。例えば、ヒューリスティックコストは重み係数αでもってリンクコストへ加算され得る。ここでは、様々なαの値が探索方法の収束の速度に影響を与え得る。いくつかの実施形態では、αは、経路のチェーン長を縁２０５からの距離に単純に加算することにより１であり得る。明らかに、小さいα＜１は、ヒューリスティックコストに限定重みを与える実施形態を特徴付ける、一方、大きなα＞１は、ヒューリスティックコストが探索アルゴリズムにおいてかなりの重み付けを与えられることを意味する。

図９に戻ると、割り当て工程１５０の別の実施形態１５０ｂは、眼層の以前の記録済み画像に基づき眼層の層画像を画像処理プロセッサにより判断する工程と、層画像に沿った画像の縁までのノードとリンクのうちの少なくとも１つからの経路長に基づきノードまたはリンクのヒューリスティックコストを定義する工程とを含み得る。

図１０Ｂは、１５０ｂの実施形態を示す。１５０ｂの示された実施形態では、以前に生成された層画像４２０は、眼層２０１の層画像を生成するために画像処理プロセッサ３０により使用され得る。ヒューリスティックコスト関数は、画像２００の縁２０５から考慮対象拡張リンク２７０または提案済み前ノード２６０までの距離４３０として実施形態１５０ａのように直線に沿ってではなく以前に生成された層画像４２０に沿って生成され得る。他の実施形態と同様に、ヒューリスティックコストは、距離ｄ ４３０の関数ｆ_ｃｏｓｔ（ｄ）であり得、重み係数αでもってリンクコストまたはノードコストに加算され得る、または別のやり方で組み合せられ得る。

１５０ｂのいくつかの実施形態では、探索中経路２０５と、以前の記録済み層画像に沿った距離４３０の測定を可能にする以前の記録済み層画像４２０とを結びつけるために、層画像生成工程は以前の記録済み層画像４２０を探索中眼画像２００に登録する工程を含み得る。いくつかの実施形態では、以前の記録済み画像は解析中眼画像２００と同じタイプのものまたはそれと同じ様相のものであり得る。いくつかのケースでは、両画像はＯＣＴ画像であり得る、または両画像は超音波画像であり得る。しかし、２つの画像は、眼の光軸が通常、以前の層画像が記録されたときと現在の眼画像２００が撮影されたときとで異なるやり方で配向されるので、互いにうまく整合されない可能性がある。また、以前のおよび現在の画像は横方向に平行移動、回転、または互いに対してスケーリングされ得る。以前の記録済み画像を眼層画像２００に登録することで、これらの差を低減または補正し、したがってヒューリスティックコストの計算の精度を改善し得る。

図９は、割り当て工程１５０ｃのいくつかの実施形態が、画像グラフの解像度未満の第１の解像度を有するスケーリング済み画像グラフを生成する工程と、スケーリング済み経路を判断するために、スケーリング済み画像グラフ上の経路の非ヒューリスティックグラフ探索を行う工程と、スケーリング済み経路を使用してヒューリスティックグラフ探索のヒューリスティックコストを割り当てる工程とを含み得るということを示す。

図１０Ｃは、スケーリング済み経路を使用する割り当て工程１５０ｃのいくつかの実施形態１５０ｃ１が、原画像グラフより低い解像度を有するスケーリング済み画像グラフ４４０を生成する工程を含み得るということを示す。スケーリング済み画像グラフ４４０は、例えば撮像システム１０により撮影された画像２００から検出画像データ２３０（ｘ，ｙ）または特徴画像データ２４０（ｘ，ｙ）のサブセットを選択することにより生成され得る。サブセットは、検出画像データ２３０または特徴画像２４０を粗視化するまたは間引くことにより選択され得る。例としては、５番目または１０番目毎の画素、リンク、またはノードに対応する検出画像データ２３０または特徴画像データ２４０を選択する工程を含む。図１０Ｃでは、スケーリング済み画像グラフは、黒い太い点により示されたノードだけの一組の検出画像データである。

スケーリング済み画像グラフ４４０を生成する工程の後には、スケーリング済み画像グラフ４４０の非ヒューリスティック探索により、スケーリング済み経路４５０またはスケーリング済み層画像４５０を判断する工程が続き得る。これらの工程の後には、工程１３０／３３０のヒューリスティック経路探索を開始する工程が続き得る。

図１０Ｃは、ヒューリスティック探索工程内では、ヒューリスティックコスト割り当て工程１５０／３５０が、経路２０５の前ノード２６０を、スケーリング済み経路４５０上に投影する工程と、前ノード２６０のヒューリスティックコストとして、スケーリング済み経路４５０に沿った縁２０５からの前ノード２６０の投影の距離４６０を使用する工程とを含み得るということを示す。用語「投影」はここでは広義に使用される。これは、スケーリング済み経路４５０により前ノード２６０を様々なやり方で接続することを指し得る。

図１０Ｄは、前ノード２６０がスケーリング済み経路４５０に再び投影または接続される関連実施形態１５０ｃ２を示す。この実施形態では、ヒューリスティックコストは、スケーリング済み経路４５０からの前ノード２６０の距離４７０に基づき計算される。最後に、いくつかの実施形態では、図１０Ｃと図１０Ｄの技術は組み合せられ得、ヒューリスティックコストは、スケーリング済み経路４５０に沿った縁２０５からの前ノード２６０の投影の距離４６０と組み合わされたスケーリング済み経路４５０からの前ノード２６０の距離４７０に基づき得る。

上記実施形態１５０／３５０／（ａ）−（ｃ）のうちの任意のものでは、ヒューリスティックグラフ探索を行うのに先立って、校正工程が行われ得る。校正工程は、ヒューリスティック関数表を生成する工程と、生成されたヒューリスティック関数表を好適なメモリ内に格納する工程とを含み得る。ヒューリスティック探索中、予め格納されたヒューリスティック関数がメモリから読み出され得る。

図１１Ａ−Ｃは方法１００／３００の実施形態を示す。この実施形態は画素の小アレイ（番号１−１２）に対し行われる。ヒューリスティック探索は、例えば開始画素６を終了画素８へ接続する経路２０５を見出すことに向けられる。この実施形態では、ヒューリスティック探索の能力は、非ヒューリスティック探索に必要な工程の数に対するヒューリスティック探索に必要な工程の数の低減において実証される。１５０ｂまたは１５０ｃに関係する実施形態の特別の実施形態として、図１１Ａ−Ｃにおける探索は、以下の実施形態により画素６を画素８に接続する経路２０５を見出すことに向けられる：

（ｉ）画像グラフ構築工程１２０／３２０は、画素またはノードのアレイの直隣と対角線方向隣とを接続するリンクを規定する工程を含む；

（ｉｉ）リンクコスト割り当て工程１４０／３４０は、リンク時間の長さ１０を割り当てる工程を含む：すなわち、直隣リンクコスト＝１０、対角線方向隣リンクコスト＝１４（２の平方根は１．４として近似される）、ノードコストを使用しない；

（ｉｉｉ）リンクコスト割り当て工程１４０／３４０はまた、任意の画素を画素７と１１に接続するリンクに禁止的に高いリンクコストを割り当てる工程を含む。これらは、先に論述された高コスト領域の例である。

（ｉｖ）ヒューリスティックコスト割り当て工程１５０／３５０は後で説明される。

次の略称が導入される：リンクコストはＬＣにより表される。経路は接続するノードにより参照される：（ｉ−ｘ−ｊ）はノードｉとｊをノードｘを介して接続する。Ｎ回の繰り返し後に画素ｉとｊを含む経路コストはＣ_Ｎ（ｉ−ｊ）により表される、ｉとｊとをｘを介して接続する経路のコストはＣ_Ｎ（ｉ−ｘ−ｊ）である。

図１１Ｂ−１と１１Ｂ−２は、比較目的のための、ヒューリスティックコストが無い工程（ａ）−（ｄ）の実施形態を示す。次に、図１１Ｃは行われる同じ探索（今回は、ヒューリスティックコストも利用された）を示す。図１１Ｃのヒューリスティック探索は最初の画素６から最終画素８までの最低コスト経路をはるかに速く見出すということが実証されることになる。

この例は縁から縁までの経路２０５の探索の変形形態であるということに注意すべきである。この実施形態は点から点までの経路の探索である。しかし、ヒューリスティック探索と非ヒューリスティック探索との比較は、この例に関し同様に実証され得る。

非ヒューリスティック探索の態様は次のものを含む。Ｎ番目の工程から生じる経路を（ｉ−ｘ）として表す、その前ノード２６０はｘに位置する。ここで、ｉは、ノードｉにおいて終了する一連のノードを指し得る。Ｎ番目の格納工程１９０／３９０／（ｄ）では、ｉから始まるが異なるノードｊ上で終わり選択されなかった経路のコストを含む未選択経路のコストはＣ_Ｎ（ｉ−ｊ）として格納される。

（Ｎ＋１）番目の工程において、新しい拡張リンク２７０は、Ｎ番目の経路をその前ノードｘ／２６０から拡張するように提案される。選択工程１８０／３８０／（ｃ）を実行する際、前ノードｘ／２６０から拡張された経路のコストは、格納済みで以前の未選択経路２０５ｎのコストと比較され、最低コスト経路が選択される。この選択工程１８０／３８０／（ｃ）では、時には、同じ最低コストを有する２つ以上の経路が存在し得る。このような場合、選択手順が採用される必要がある。いくつかの実施形態では、新たに拡張された（Ｎ＋１）番目の経路（ｉ−ｘ−ｊ）のコストが、格納された未選択のＮ番目経路（ｉ−ｊ）のコストと等しければ（Ｃ_{（Ｎ＋１）}（ｉ−ｘ−ｊ）＝Ｃ_Ｎ（ｉ−ｊ））（ここで、これらの２つの経路は同じノードｉで開始し同じノードｊで終了する）、格納されたＮ番目の経路（ｉ−ｊ）が、新たに暫定的に拡張された経路（ｉ−ｘ−ｊ）の代わりに選択される。明らかに、新たに暫定的に拡張された経路（ｉ−ｘ−ｊ）のコストＣ_{（Ｎ＋１）}（ｉ−ｘ−ｊ）が格納済み経路（ｉ−ｊ）のコストＣ_Ｎ（ｉ−ｊ）未満であれば、新たに拡張された経路（ｉ−ｘ−ｊ）が選択される。当然、ノードｉとｊを接続する最低コスト経路としてどの経路が選択されても、この選択経路（ｉ−ｊ）または（ｉ−ｘ−ｊ）のコストは、この（Ｎ＋１）番目の選択工程１８０／３８０／（ｃ）において全体として最低なコスト経路を選択するために、他の拡張され格納された経路のコストと依然として比較される必要がある。

図１１Ｂ−Ｃにおいて、Ｎ番目の工程毎に、考慮対象経路のコストＣ_Ｎが対応ボックス内に列挙される。最低コスト経路は経路を太字化することにより示される。

この実施形態の別の態様は、時には２つ以上の経路が前述の選択実施後でも同じ最低コストを有し得るということである。このような状態では、タイブレーク（ｔｉｅ−ｂｒｅａｋ）アルゴリズムが使用され得る。このタイブレークアルゴリズムを選択する際にある自由度が存在し得るので多種多様のタイブレークアルゴリズムが使用され得る。図示の例では、２つの経路が同じコストを有すればその前ノードが左上角に最も近い経路（ラベル１）が選択される。このタイブレーク工程が２つ以上の最低コスト経路を生成すれば追加のタイブレーク工程が採用される必要がある。いくつかの実施形態では、このようなタイは第２の距離（例えば画像２００の上縁からの距離）を使用することによりブレークされ得る。他の実施形態は他の第１および第２のタイブレーク規則または距離（画像の左縁または右縁からの距離を含む）を採用し得る。現実のアプリケーションでは、特別なタイブレーク手順は、多くの値を取り得る画像データまたは強度により個々のリンクのコストが設定されるので、それほど重要ではない。したがって、２つの経路が等しいコストを有することは非常に稀であり、一段階タイブレーク手順がこれらの等しいコスト経路中から単一の選択経路を選択することができなくなるということはさらに稀である。

以下の例では、選択された最低コスト経路が太字体により示される。この経路がタイブレーク手順により選択されると、これはアスタリスク^＊により示される。

図１１Ｂ−１と図１１Ｂ−２の非ヒューリスティック探索例について次に幾分詳細に説明する。

工程０：リンクコストを割り当てる
コスト（工程０）：直隣リンクコストＬＣ＝１０；対角線方向隣リンクコストＬＣ＝１４。

工程１：
１ａ．第１の拡張リンクによりノード６をノードｉへリンクすることにより第１の拡張経路（６−ｉ）を生成する；
１ｂ．第１の拡張経路の経路コストＣ_１（６−ｉ）を判断する：
１ｃ．第１の選択経路（６−２）^＊として、第１の拡張経路から選択された最小コスト経路を選択する：
１ｄ．未選択経路のコストを格納し；ノード６を検査済みとしてマーキングする。
＊工程１ｃでは、経路（６−２）、（６−５）、（６−１０）のコストは次のコストのリストに示すようにすべて同じ１０だった。さらに、前ノード２と５は左上角ノード１から同じ距離を有する。したがって、上記タイブレーク手順の両工程が、（６−２）を選択するために採用された。
コスト（工程１）：
−第１の拡張経路コスト：
Ｃ_１（６−１）＝１４
Ｃ_１（６−２）＝１０
Ｃ_１（６−３）＝１４
Ｃ_１（６−５）＝１０
Ｃ_１（６−９）＝１４
Ｃ_１（６−１０）＝１０

工程２：
２ａ．第２の拡張リンクにより第１の選択経路（６−２）をノードＩまで拡張することにより第２の拡張経路（６−２−ｉ）を生成する；
２ｂ．第２の拡張経路の経路コストＣ_２（６−２−ｉ）を判断する；Ｃ_２（６−２−ｉ）＜Ｃ_１（６−ｉ）の場合に限り、経路（６−２）を（６−２−ｉ）まで拡張する；
２ｃ．第２の拡張経路からおよび格納された未選択経路から選択された最小コスト経路を第２の選択経路（６−５）^＊として選択する：
２ｄ．未選択経路のコストを格納し；ノード２を検査済みとしてマーキングする。
＊経路（６−５）と格納された経路（６−１０）は同じ最低コストを有する。タイブレーク手順は、前ノード５がノード１０よりノード１に近いので、選択された経路（６−５）を選択した。
コスト（工程２）：
−第２の拡張経路コスト：
Ｃ_２（６−２−１）＝２０、Ｃ_１（６−１）＝１４を選択する。
Ｃ_２（６−２−３）＝２０、Ｃ_１（６−３）＝１４を選択する。
Ｃ_２（６−２−５）＝２４、Ｃ_１（６−５）＝１０を選択する。
−格納された経路コスト：工程１からの未選択経路。

工程３：
３ａ．３番目の拡張リンクにより第２の選択経路（６−５）をノードｉまで拡張することにより３番目の拡張経路（６−５−ｉ）を生成する；
３ｂ．３番目の拡張経路の経路コストＣ_３（６−５−ｉ）を判断する；Ｃ_３（６−５−ｉ）＜Ｃ_２（６−ｉ）の場合に限り、経路（６−５）を（６−５−ｉ）まで拡張する。
３ｃ．３番目の拡張経路と未選択経路とから選択された最小コスト経路を３番目の選択経路（６−１０）として格納する；
３ｄ．未選択経路のコストを格納し；ノード５を検査済みとしてマーキングする。
コスト（工程３）：
−３番目の拡張経路コスト：
Ｃ_３（６−５−１）＝２０、Ｃ_１（６−１）＝１４を選択する。
Ｃ_３（６−５−９）＝２０、Ｃ_１（６−９）＝１４を選択する。
Ｃ_３（６−５−１０）＝２４、Ｃ_１（６−１０）＝１０を選択する。
−格納された経路コスト：工程１〜２からの未選択経路。

工程４：
４ａ．４番目の拡張リンクにより３番目の選択経路（６−１０）をノードｉまで拡張することにより４番目の拡張経路（６−１０−ｉ）を生成する；
４ｂ．４番目の拡張経路の経路コストＣ_４（６−１０−ｉ）を判断する；Ｃ_４（６−１０−ｉ）＜Ｃ_３（６−ｉ）の場合に限り、経路（６−１０）を（６−１０−ｉ）まで拡張する；
４ｃ．４番目の拡張経路と格納された未選択経路とから選択された最小コスト経路を４番目の選択経路（６−１）^＊として選択する：
４ｄ．未選択経路のコストを格納し；ノード１０を検査済みとしてマーキングする。
＊再び２つの最低コスト経路（格納された経路（６−９）と（６−１））が存在する。前ノード１は左上角により近い（実際にはそれに一致する）、経路（６−１）が、選択工程１８０／３８０／（ｃ）において上記タイブレーク手順により選択される。
コスト（工程４）：
−４番目の拡張経路：
Ｃ_４（６−１０−９）＝２４、Ｃ_１（６−９）＝１４を選択する。
−格納された経路コスト：Ｃ_１（６−１）＝１４を含む工程１〜３からの未選択経路。

工程５：
５ａ．５番目の拡張リンクにより４番目の選択経路（６−１）をノードｉまで拡張することにより５番目の拡張経路（６−１−ｉ）を生成する；
５ｂ．全ての可能なノードｉ（２、５、６）は検査済みとしてマーキングされているので、そのコストが計算される必要がある５番目の拡張経路は存在しないということに留意されたい；
５ｃ．格納済みで以前の未選択経路から最低コスト経路を選択する：（６−９）^＊
５ｄ．１を検査済みとしてマーキングする。
＊再び、２つの最低コスト経路（６−３）と（６−９）が存在する。タイブレーク手順は（６−９）を選択した。
コスト（工程５）：
−５番目の拡張経路コスト：
ノード１に接続され得るすべてのノード（２、５、６）はすべて検査済みとして既にマーキングされているので５番目の拡張経路は許容されない。
−格納されたコスト：工程１〜４からの未選択経路。
Ｃ_１（６−９）＝１４

工程６：
６ａ．６番目の拡張リンクにより５番目の選択経路（６−９）をノードｉまで拡張することにより６番目の拡張経路（６−９−ｉ）を生成する；
６ｂ．全ての可能なノードｉ（５、６、１０）は検査済みとしてマーキングされているので、そのコストが計算される必要がある６番目の拡張経路は存在しないということに留意されたい；
６ｃ．格納済みで以前の未選択経路：（６−３）から最低コスト経路を選択する；
６ｄ．９を検査済みとしてマーキングする。
コスト（工程６）：
−６番目の拡張経路コスト：
５、６、１０はすべて検査済みとしてマーキングされているので、６番目の拡張経路は許容されない。
−格納されたコスト：工程１〜５からの未選択経路。
Ｃ_１（６−３）＝１４

工程７：
７ａ．７番目の拡張リンクにより６番目の選択経路（６−３）をノードｉまで拡張することにより７番目の拡張経路（６−３−ｉ）を生成する；
７ｂ．７番目の拡張経路のうちの１つがターゲットノード８に達していない限り７番目の拡張経路の経路コストＣ_７（６−３−ｉ）を判断する。７番目の拡張経路がターゲットノード８に達していれば、眼層の画像として第７の拡張経路（６−３−８）を出力／報告する。
コスト（工程７）：（拡張経路（６−３−８）がターゲットノード８に達したので、いかなるコストベース選択も行われる必要がなく、したがって、これらのコストは完全性のためにだけ与えられる）：
−第７の拡張経路コスト：
Ｃ_７（６−３−４）＝２４
Ｃ_７（６−３−８）＝２８

図１１Ｂ−１と図１１Ｂ−２は、最低コストを有する経路（６−８）を見出すために非ヒューリスティック探索が１６の経路コスト評価を行うことを必要とするということを示す。これはコストＣ_３（６−３−８）＝２８を有する経路（６−３−８）である。

図１１Ｃは、この非ヒューリスティック探索とヒューリスティック探索方法１００／３００の実施形態とを対比する。ここで、コスト判断は、ヒューリスティックコストＨＣをリンクコストＬＣへ加える工程を含む。この実施形態では、ヒューリスティックコストは図９の実施形態１５０ａ、１５０ｂの混合により割り当てられる：拡張リンク２２０のＨＣは、ターゲットノード８からの拡張リンク２２０の末端ノードの「対角線方向距離」により設定される。ノードの対角線方向距離は次の少なくとも２つのやり方で計算され得る：

（ｉ）ノードとターゲットノードとの間の最低コスト経路を判断し、１０をあらゆる水平方向または垂直方向リンクに割り当て、１４をあらゆる対角線方向リンクへ割り当てる。

（ｉｉ）ｄｘ＝｜ノード（ｘ）−ターゲット（ｘ）｜、ｄｙ＝｜ノード（ｙ）−ターゲット（ｙ）｜、およびＨＣ＝１０×（ｄｘ＋ｄｙ）−６×ｍｉｎ（ｄｘ，ｄｙ）を計算する。ここで、ノード（ｘ）はノードのｘ座標を指し、ターゲット（ｘ）はターゲットノードのｘ座標を指し、｜…｜は引数…の絶対値を採ることを指し、ｍｉｎ（ｄｘ，ｄｙ）はｄｘとｄｙのうちの小さい方を採ることを指す。これらの２つの手順は、同じＨＣを各ノードへ割り当てるので等価である。

上述のように、これらのヒューリスティックコストは、実際の探索中にこれらのＨＣ値をメモリから呼び出すだけでよいように予め計算され格納され得る。他の実施形態では、「実時間で」探索処理を行うことの一部としてＨＣ値を計算することが可能である。画像処理プロセッサ３０のプロセッサおよびメモリはこの目的のために使用され得る。

その末端ノードのＨＣがそのＨＣとして各リンクに割り当てられると、リンクＨＣは、重み係数α＝１でもって、単純加算によりまたは等価的に、同じリンクのリンクコストと組み合わせられる。簡単のため対角線方向距離の計算ではリンク７と１１は排除されないということに留意されたい。

ヒューリスティックコストＨＣを図１１Ａの例に割り当てるこの手順を実証する。例えば、ノード８からのノード１の対角線方向距離は方法（ｉｉ）に従って１０×（３＋１）−６×ｍｉｎ（３，１）＝３４に等しいのでＨＣ（１）＝３４。これは当然１０＋１０＋１４に等しい（方法（ｉ）によるＨＣ）。

ＨＣ値が割り当てられると、経路コストも判断され得る。例えば、方法（ｉ）を使用することにより、対角線方向リンク（６−１）のコストが１４であるのでＣ（６−１）＝４８、これはＨＣ（１）＝３４に加えられる（（６−１）リンクの末端ノード（ノード１）のＨＣ）。別の例では、対角線方向リンク（６−９）のリンクコストが１４であるのでＣ（６−９）＝４８、１０×（３＋１）−６＋ｍｉｎ（３，１）＝３４によりＨＣ（９）＝３４。ここで、９とターゲットノード８との間の最低コスト経路は禁止ノード１１または７を通ることにより判断された。

図１１Ｃは、ヒューリスティックコストもまた探索を誘導するために使用される場合の探索方法示す。その工程について次に幾分詳細に説明する。
工程０：
０ａ．リンクコストＬＣを割り当てる。
０ｂ．ヒューリスティックコストＨＣを割り当てる：ＨＣ＝ターゲットノード８からのノードの斜格子距離
コスト：
ＬＣ（直隣）＝１０
ＬＣ（対角方向近隣）＝１４
そして
ＨＣ（１）＝３４
ＨＣ（２）＝２４
ＨＣ（３）＝１４
ＨＣ（４）＝１０
ＨＣ（５）＝３０
ＨＣ（６）＝２０
ＨＣ（９）＝３４
ＨＣ（１０）＝２４

工程１：
１ａ．第１の拡張リンクによりノード６を隣接ノードｉへリンクすることにより第１の拡張経路（６−ｉ）を生成する；
１ｂ．第１の拡張経路の経路コストＣ_１（６−ｉ）をＣ＝ＬＣ＋ＨＣと判断する；
１ｃ．第１の拡張経路から選択された最低コスト経路を第１の選択経路（６−３）として選択する：
１ｄ．未選択経路のコストを格納し、ノード６を検査済みとしてマーキングする。
コスト（工程１）：
−第１の拡張経路コスト：
Ｃ_１（６−１）＝４８
Ｃ_１（６−２）＝３４
Ｃ_１（６−３）＝２８
Ｃ_１（６−５）＝４０
Ｃ_１（６−９）＝４８
Ｃ_１（６−１０）＝３４

工程２：
２ａ．第２の拡張リンクにより第１の選択経路（６−３）をノードｉへ拡張することにより第２の拡張経路（６−３−ｉ）を生成する；
２ｂ．第２の拡張経路がターゲットノード８に達しない限り、第２の拡張経路の経路コストＣ_２（６−３−ｉ）を判断する。第２の拡張経路がターゲットノード８に達したならば、眼層の画像として第２の拡張経路（６−３−８）を出力する：
コスト（工程２）：
−第２の拡張経路コスト：
Ｃ_２（６−３−２）＝４８、
Ｃ_１（６−２）＝３４を選択する。
Ｃ_２（６−３−４）＝３４
Ｃ_２（６−３−８）＝２８
−格納された経路コスト：工程１からの未選択経路。

図１１Ｃは、方法１００／３００によるヒューリスティック経路探索は、図１１Ｂ−１と図１１Ｂ−２の非ヒューリスティック方法により必要とされる１６の経路コスト計算の代わりに９の経路コストの計算だけを必要としたということを示す。これは、特に撮像システム１０とその画像処理プロセッサ３０の計算時間および需要の大幅な低減であり、したがって、非ヒューリスティック方法を越えるヒューリスティック方法１００／３００のかなりの利点を実証する。

図１２は、ＯＣＴ画像上の経路探索の診断のスクリーンショットを示す。画像２００のサイズは１５００×５５０画素だった。画像処理プロセッサ３０は、２つのインテルＸｅｏｎプロセッサ上でＷｉｎｄｏｗｓ７オペレーティングシステムを走らすＬｅｎｏｖｏ Ｄ３０ワークステーションを含んだ。左パネルは、非ヒューリスティック経路探索が０．２４秒を必要としたということを示し、一方、右パネルは、ほぼ等価精度を有する方法１００／３００の実施形態によるヒューリスティック経路探索が０．０４秒だけ必要としたということを示した。同じ計算プロセッサが両探索のために画像処理プロセッサ２０内で使用された。計算時間のこの６倍の低下は方法１００／３００のかなりの利点である。

方法１００／３００が特にうまく働く画像ターゲットのタイプの１つは眼層などの層または別の拡張物体であるということに留意すべきである。これらの層撮像ターゲットの共通態様は、ターゲットが画像の縁から縁まで配向される、方向付けされる、滑らかである、または拡張されるということである。このようなターゲットに関して、ヒューリスティックコストの上記実施形態は探索の効率を大幅に増加する。

本明細書は多くの詳細を含むが、これらは、本発明または請求され得るものの範囲に対する制限として解釈されるべきでなく、むしろ特別の実施形態に特有の特徴の説明として解釈されるべきである。別々の実施形態の文脈の中で本明細書において説明されたいくつかの特徴はまた、単一実施形態において組み合わせで実施され得る。逆に、単一実施形態の文脈の中で説明された様々な特徴もまた、複数の実施形態において個別に、または任意の好適な副組み合せ（ｓｕｂ−ｃｏｍｂｉｎａｔｉｏｎ）で提供され得る。さらに、特徴は、いくつかの組み合わせで働き、当初そのように請求されると上に説明され得るが、請求された組み合わせからの１つまたは複数の特徴がいくつかのケースでは組み合わせから削除され得、請求された組み合わせは副組み合わせまたは副組み合わせの変形形態に向けられ得る。

Claims (23)

1. 眼画像を処理する方法であって、
   眼層を含む眼領域の画像データを撮像システムにより検出する工程と；
   リンクにより接続されたノードと、前記ノードと前記リンクの少なくとも１つに対応する前記検出された画像データとを含む画像グラフを前記画像から画像処理プロセッサにより構築する工程と；
   経路のヒューリスティックグラフ探索を前記眼層の画像に対応する前記画像グラフに対して行う工程であって、本工程は、
   リンクコストの少なくとも１つを前記画像グラフのリンクへおよびノードコストを前記画像グラフのノードへ割り当てることにより；
   前記画像グラフの前記ノードと前記リンクの少なくとも１つへヒューリスティックコストを割り当てることにより；
   （ａ）拡張リンクによりその前ノードから選択経路を拡張することにより拡張経路を生成することにより；
   （ｂ）前記拡張経路のヒューリスティックコストと前記拡張経路のチェーンコストとを組み合わせることにより拡張経路の経路コストを判断することにより、ここで、経路の前記ヒューリスティックコストはその前ノードの前記ヒューリスティックコストであり、経路の前記チェーンコストは、前記経路の前記リンクの前記リンクコストの合計、前記経路の前記ノードの前記ノードコストの合計、および前記経路の前記リンクと前記ノードの前記リンクコストと前記ノードコストの加重和のうちの１つである；
   （ｃ）更新された選択経路として、前記拡張経路からおよび格納された未選択経路から選択された最低コスト経路を選択することにより；
   （ｄ）未選択拡張経路とそれらのコストを格納し、前記選択された経路の前記前ノードを検査済みとしてマーキングすることにより；
   そして工程（ａ）−（ｄ）を繰り返し反復することにより行われる工程と、を含む方法。
2. 前記画像グラフを構築する前記工程は、前記撮像システムから前記眼領域の検出画像データを受信する工程と、
   前記画像処理プロセッサにより前記検出画像データから特徴画像データを生成する工程とを含み、
   前記特徴画像データは、前記検出画像データの強度、位相、勾配またはテクスチャに対応し、
   前記ヒューリスティックグラフ探索を行う前記工程は、前記ヒューリスティックコストと、前記リンクコストと前記ノードコストの少なくとも１つとを判断するために前記特徴画像データを使用する工程を含む、請求項１に記載の方法。
3. 前記検出画像データは、検出された撮像光の画像強度、偏光状態、色および位相の少なくとも１つに関連付けられる、請求項２に記載の方法。
4. 前記画像グラフを構築する前記工程は、前記グラフの前記ノードを前記撮像システムの画素に対応するように定義するとともに前記グラフの前記リンクを前記ノード同士を接続するリンクとして定義する工程を含み；
   前記特徴画像データを生成する前記工程は、前記検出画像データの強度と位相のうちの１つを前記画像データを検出した前記画素に関連付ける工程と、
   一対のノード間の前記検出画像データの前記強度と前記位相の１つの勾配を評価する工程とを含み、
   リンクコストを前記リンクへ割り当てる前記工程は前記勾配が増加すると低下するリンクコストを、前記一対のノードを接続する前記リンクへ割り当てる工程を含む、請求項２に記載の方法。
5. 前記一対のノードは、最近隣画素、対角線方向隣画素、カットオフ距離より短い距離だけ離された画素のうちの少なくとも１つを含む、請求項４に記載の方法。
6. 拡張経路の前記経路コストを判断する前記工程は：
   前記選択された経路の前記ヒューリスティックコストの変化を計算するとともに、前記選択された経路の前記チェーンコストの変化を計算する工程であって、前記両方の変化は前記選択された経路を前記経路拡張リンクにより拡張することにより引き起こされる、工程と；
   前記ヒューリスティックコストの前記変化および前記チェーンコストの前記変化の組み合わせにより前記選択経路の前記経路コストを更新することにより前記拡張経路の前記経路コストを判断する工程とを含む、請求項１に記載の方法。
7. 最低コスト経路を選択する前記工程は、前記拡張経路および格納された未選択経路のうちの２つ以上が同じ経路コストを有するときにタイブレークアルゴリズムを使用する工程を含む、請求項１に記載の方法。
8. 終了判定基準に達するまで前記選択された経路を更新するために工程（ａ）−（ｄ）を反復する工程と；
   前記更新された選択経路を前記眼層の前記画像に対応するとして識別する工程とを含む、請求項１に記載の方法。
9. ヒューリスティックコストと前記チェーンコストとを組み合わせる工程は、前記拡張経路の前記ヒューリスティックコストを、重み係数でもって前記拡張経路の前記チェーンコストへ加える工程を含む、請求項１に記載の方法。
10. 前記ヒューリスティックコストを割り当てる前記工程は、
    前記画像処理プロセッサにより前記画像の縁からの前記ノードと前記リンクのうちの前記少なくとも１つの距離を判断する工程と；
    前記判断された距離に応じて、ノードとリンクのうちの少なくとも１つの前記ヒューリスティックコストを定義する工程とを含む、請求項１に記載の方法。
11. 前記ヒューリスティックコストを割り当てる前記工程は、
    前記画像処理プロセッサにより前記眼層の以前の記録済み層画像に基づき前記眼層の層画像を生成する工程と；
    ノードまたはリンクの少なくとも１つのヒューリスティックコストを、前記ノードと前記リンクの少なくとも１つから前記判断された層画像に沿った前記画像の縁までの経路長に基づき定義する工程とを含む、請求項１に記載の方法。
12. 前記以前の記録済み層画像を前記眼画像へ登録する工程を含む、請求項１１に記載の方法。
13. 前記ヒューリスティックコストを割り当てる前記工程は、
    前記ヒューリスティックグラフ探索を行うのに先立って較正の一部としてヒューリスティック関数テーブルを生成する工程と；
    前記生成されたヒューリスティック関数テーブルをメモリ内に格納する工程と；
    前記格納されたヒューリスティック関数テーブルを前記メモリから呼び出して前記ヒューリスティックコスト割り当て工程に使用されるようにする工程とを含む、請求項１に記載の方法。
14. 前記ヒューリスティックコストを割り当てる前記工程は、
    前記画像グラフの解像度未満の第１の解像度によりスケーリング済み画像グラフを生成する工程と；
    スケーリング済み経路を判断するために前記スケーリング済み画像グラフ上の前記経路の非ヒューリスティックグラフ探索を行う工程と；
    前記スケーリング済み経路を使用して前記ヒューリスティックグラフ探索の前記ヒューリスティックコストを割り当てる工程と、を含む、請求項１に記載の方法。
15. 前記スケーリング済み経路を使用して前記ヒューリスティックグラフ探索の前記ヒューリスティックコストを割り当てる前記工程は、前記スケーリング済み経路に沿った前記画像の縁からの前記画像グラフの前記ノードと前記リンクの少なくとも１つの距離を使用する工程を含む、請求項１４に記載の方法。
16. 前記距離を使用する工程は前記スケーリング済み経路からの前記画像グラフの前記リンクと前記ノードとの少なくとも１つの距離と前記使用された距離とを組み合わせる工程を含む、請求項１４に記載の方法。
17. 前記スケーリング済み画像グラフを生成する前記工程は、粗視化と間引きの少なくとも１つにより、前記撮像システムにより撮影された前記画像から前記スケーリング済み画像グラフを生成する工程を含む、請求項１４に記載の方法。
18. 前記撮像システムは光コヒーレンストモグラフィ（ＯＣＴ）システムを含む、請求項１に記載の方法。
19. 前記撮像システムは超音波システムを含む、請求項１に記載の方法。
20. 前記撮像システムはシャインプルーフシステムを含む、請求項１に記載の方法。
21. 画像を撮影する前記工程は、擬似カラーを関連付けること、コントラストを調整すること、輝度を調整すること、フィルタリングすること、正規化すること、雑音低減を実施すること、画像データを増強すること、およびヒストグラム等化を実施することのうちの少なくとも１つにより前記撮像システムにより前記画像を前処理する工程を含む、請求項１に記載の方法。
22. 請求項１に記載の方法は前記眼層の画像に対して行われ、
    前記画像は、前記画像の縁から縁まで配向された、方向付けされた、滑らかである、および拡張されたもののうちの１つである、請求項１に記載の方法。
23. 眼画像を処理する方法であって、
    眼層を含む眼領域の画像データを撮像システムにより検出する工程と；
    リンクにより接続されたノードと、前記ノードと前記リンクの少なくとも１つに対応する前記検出された画像データとを含む画像グラフを前記画像から構築するために画像処理プロセッサを使用する工程と；
    経路のヒューリスティックグラフ探索を前記眼層の画像に対応する前記画像グラフに対して行う工程であって、本工程は、
    リンクコストの少なくとも１つを前記画像グラフのリンクへおよびノードコストを前記画像グラフのノードへ割り当てることにより；
    前記画像グラフの前記ノードと前記リンクの少なくとも１つへヒューリスティックコストを割り当てることにより；
    （ａ）Ｎ番目の選択経路をそのＮ番目の前ノードから（Ｎ＋１）番目の拡張リンクにより拡張することにより（Ｎ＋１）番目の拡張経路を生成することにより；
    （ｂ）前記（Ｎ＋１）番目の拡張経路のリンクコストとノードコストの少なくとも１つと前記（Ｎ＋１）番目の拡張経路のヒューリスティックコストとを組み合わせることにより前記（Ｎ＋１）番目の拡張経路の経路コストを判断することにより、ここで、経路の前記ヒューリスティックコストはその前ノードの前記ヒューリスティックコストであり、前記経路の前記リンクコストは前記経路の前記リンクの前記リンクコストの合計であり、前記経路の前記ノードコストは前記経路の前記ノードの前記ノードコストの合計である；
    （ｃ）前記（Ｎ＋１）番目の選択経路として、前記（Ｎ＋１）番目の拡張経路と前記格納された未選択経路から選択された最小コスト経路を選択することにより；
    （ｄ）前記（Ｎ＋１）番目の未選択経路とそれらのコストを格納し、前記Ｎ番目の前ノードを検査済みとしてマーキングすることにより、行われる、工程と、を含み、工程（ａ）−（ｄ）を繰り返し反復する方法。

Images